隨著計算機視覺的迅速崛起,無人駕駛受到機器人領(lǐng)域眾多研究者的青睞。無人駕駛系統(tǒng)通過車載傳感器達到自身狀態(tài)和周圍環(huán)境信息的感知,再通過算法為環(huán)境賦予語義信息,實現(xiàn)系統(tǒng)決策。環(huán)境感知作為系統(tǒng)的“眼睛”占據(jù)重要地位,本文基于深度神經(jīng)網(wǎng)絡(luò)實現(xiàn)激光雷達點云數(shù)據(jù)的語義分割,具體內(nèi)容主要從以下三方面展開:(1)點云數(shù)據(jù)預(yù)處理:由于點云本身的稀疏性、無序性和非均勻分布的特點,在利用深度全卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)對激光雷達點云數(shù)據(jù)進行語義分割時,網(wǎng)絡(luò)的端到端特征使得網(wǎng)絡(luò)無法直接對點云數(shù)據(jù)進行處理,需先對點云數(shù)據(jù)進行預(yù)處理,通過球面映射將稀疏散亂分布的點云數(shù)據(jù)轉(zhuǎn)換為密集均勻分布的二維球面圖,方便網(wǎng)絡(luò)的后續(xù)數(shù)據(jù)處理。為減少點云空間信息的損失,在進行球面映射時對點云的空間位置、反射強度信息和角度值進行保留。(2)以輕量級網(wǎng)絡(luò)結(jié)構(gòu)squeezenet為基準網(wǎng)絡(luò)設(shè)計神經(jīng)網(wǎng)絡(luò)對二維點云球面圖進行分割,針對二維球面圖的特征增加了Aspp結(jié)構(gòu)、crf結(jié)構(gòu)和reweighting layer等功能層增加特征的豐富性,并充分結(jié)合鄰近點信息和上下文特征對點云進行分割可提高語義分割的準確性,結(jié)合focal loss損失函數(shù)形式權(quán)衡樣本...

【文章頁數(shù)】：86 頁

【學位級別】：碩士

【部分圖文】：

圖1-1我國道路交通事故數(shù)量統(tǒng)計圖

對無人駕駛系統(tǒng)中的環(huán)境信息的感知和識別部分進行研到的環(huán)境信息進行特征提取和識別操作，實現(xiàn)無人車對語義理解。背景及意義普及在極大降低人們出行成本的同時，也給社會的財產(chǎn)的隱患。據(jù)數(shù)據(jù)統(tǒng)計，從1990年到2019年這近三十年量大幅上升，機動車駕駛?cè)藬?shù)量劇增，現(xiàn)今的基礎(chǔ)交通要求，....

圖1-3激光雷達裝載平臺和稀疏點云數(shù)據(jù)

哈爾濱工業(yè)大學工學碩士學位論文達到場景識別的目的。隨著計算機處理數(shù)據(jù)速度的提升和運算單元的增加，深度學習神經(jīng)網(wǎng)絡(luò)方法取得了里程碑似的突破，由于算法本身的高效的特征提取能力和優(yōu)良的魯棒性，用深度學習算法處理點云數(shù)據(jù)實現(xiàn)場景的識別和分析，以此提高無人駕駛系統(tǒng)的可靠性成為一個具有很重大....

圖1-4Pointnet分割效果圖

圖1-4Pointnet分割效果圖[25]27年，Charles等人在Pointnet網(wǎng)絡(luò)結(jié)構(gòu)基礎(chǔ)上進行了改進和變形++深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)[26]1，不同于Pointnet處理點云的原理，該網(wǎng)區(qū)間中通過Pointnet網(wǎng)絡(luò)進行特征的分析，再將小區(qū)間的特征和融合....

圖1-5pointnet++分割效果

圖1-4Pointnet分割效果圖[25]2harles等人在Pointnet網(wǎng)絡(luò)結(jié)構(gòu)基礎(chǔ)上進行了改進經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)[26]1，不同于Pointnet處理點云的原理通過Pointnet網(wǎng)絡(luò)進行特征的分析，再將小區(qū)間的來，實現(xiàn)點云的分割，分割效果見圖1-5。該網(wǎng)絡(luò)....

本文編號：3899262